基于流量分析的 P2P 协议识别方法的研究

鉴于目前国内互联网现状，基于各种P2P协议的网络流量飞速增长并占据了大部分的网络带宽。各级运营商以及企业网络管理部门要想对基于各种P2P协议的网络流量进行有效管理、提升用户体验，就一定要攻克其瓶颈技术——P2P协议的识别。本文主要对一种新的协议识别思路——通过网络流量信息识别P2P协议的方法进行了研究。     

基于GMM的ESP流量应用层协议识别

提出一种高斯混合模型的ESP流量应用层协议识别技术,采用同步采集和流量模拟2种方式构造ESP数据集,建立HTTP、FTP、SMTP和TELNET 4种协议的ESP流量高斯混合模型,并对该模型进行测试,结果表明,高斯混合模型对ESP流量具有较好的协议识别能力,可利用ESP流量的网络层特征识别其应用层协议。     

基于回归模型的加密流量图片识别方法研究

在网站普遍采用HTTPS协议对用户隐私进行保护的背景下，传统基于内容识别的技术手段在加密流量识别领域失效，网络运营单位及互联网监管部门的内容监管工作面临新的技术挑战。本文介绍了加密网站识别的相关背景情况，针对网站指纹识别面临的时效性挑战，提出了一种基于回归模型的加密流量图片识别方法，并对该方法的具体实现以及实验结果进行了详细阐述。     

应用层协议识别算法综述

能够标识出Internet上每个流所使用的应用层协议是一系列网络应用的前提和基础。然而随着网络的高速化和协议的复杂化，传统的基于端口识别应用层协议的算法已经不够准确，因此各种新的协议识别算法成为研究热点。本文介绍了协议识别问题的几个基本概念，将目前正在使用或研究的协议识别算法总结为三类并分析了各自的优缺点及关键技术和难点，最后指出了两个进一步研究的方向。     

互联网流量采集分析系统设计与实现

为解决复杂网络环境下的多链路数据采集、互联网数据分发、流量识别与分析、数据发布等问题,利用虚拟管道、组播、网络数据采集与协议分析等技术,设计实现一个面向IP网络的数据汇聚分发采集分析系统。应用结果表明,该系统能识别网络流量中90%以上的应用协议,可识别的协议种类超过2 000种。     

一种基于随机森林算法的MQTT异常流量检测方法

工业物联网系统所面临的网络安全威胁随着物联网技术的广泛应用日益增加,信息安全问题已成为其发展过程中的一大挑战。MQTT（Message Queuing Telemetry Transport）协议是物联网通信的主流协议,基于该协议的物联网通信安全研究是当前研究的热点话题。传统的流量识别技术如深度包检测无法有效地识别符合包格式的异常流量,而基于机器学习理论的异常流量识别技术则表现出很好的效果。对此提出一种基于随机森林算法的MQTT异常流量检测方法,实现整体高于90%的MQTT异常流量识别准确度,与其他常用分类模型相比拥有更好的识别效果。     

基于机器学习的SSH应用分类研究

SSH作为一种加密通讯协议,不仅为远程登录等服务提供了安全保障,其隧道应用还可以封装一些其他未知应用,对网络安全产生了一定的潜在影响,因此需要准确识别出这些应用,并及时采取相应措施,维护网络安全.由于SSH协议的加密特性,通常采用基于流量统计特征的方法对其进行识别,且多是采用有监督的机器学习方法.通过对无监督机器学习方法与有监督机器学习方法的对比,比较了C4.5,SVM,BayesNet,K-means,EM这5种机器学习方法对SSH应用的分类效果,证实了通过机器学习方法来识别SSH应用是可行的.实验结果显示无监督的K-means方法具有最好的分类效果,对SSH隧道中的HTTP应用的识别准确率最高,达到了99%以上.     

基于密度聚类和随机森林的移动应用识别技术

随着移动终端设备的蓬勃发展,移动应用种类的日益增加,移动应用类型识别成为网络管理、市场营销以及网络攻击防范等领域中一种具有重要意义的技术手段。在实际应用中,几乎所有的移动应用程序都采用SSL/TLS（Secure Sockets Layer/Transport Layer Security）协议进行数据加密,因此使移动应用类型识别工作更具挑战。提出了一种新颖的加密环境下Android移动应用类型识别技术。该技术利用信息熵对DBSCAN（Density-Based Spatial Clustering of Applications with Noise）聚类算法生成的聚类簇进行纯度分析,通过实验合理设置熵阈值对数据集中的干扰样本进行过滤,最后利用随机森林算法对过滤后的数据集进行建模,实现了移动应用程序类型的识别。由于仅通过捕捉加密数据流传输模式实现应用识别,对于加密和非加密流量均有效。实验表明所述方法缓解了干扰样本的误判问题,有效地提高了数据集利用率,具有更高的识别准确率和召回率。     

Internet流量识别技术研究

流量识别是指根据网络流以及流中数据报文的某些信息将网络上的流分成若干既定的类别.随着网络的高速化,业务应用和协议日趋复杂,传统的基于端口的流量识别方法已经不够准确,因此各种新的识别方法成为研究热点.本文在介绍流量识别的基本概念、流量识别的评价指标的基础上,对目前正在使用或研究的流量识别方法进行了分析比较,指出了现有各种方法的优点和不足,最后给出未来流量识别技术的发展趋势和研究方向.     

基于SVM的P2P流量识别

根据P2P应用从最初的采用固定的端口号,发展到动态端口,再发展到伪装端口,甚至发展到现在的一些采用加密技术的具有反侦察意识的新型的P2P应用这样一个变化快的特点,再利用支持向量机分类的本质,提出一种基于SVM的P2P流量识别方法.通过实验证明,该方法具有较高的识别率,对未知协议的F2P识别精度也很高,说明采用支持向量机技术进行P2P流量识别的有效性.     

网络应用流分析与风险评估系统

针对网络中的各种应用服务的识别检测,采用应用层协议签名的流量识别技术和流量分组技术,实现网络应用流的分析和风险评估系统——TARAS,提出基于流量分组技术的应用流风险评估模型。该系统为网络资源分配和网络安全的预测提供有价值的依据。实验结果表明,TARAS系统具有良好的流量分析效率和风险评估准确性。     

Toward Voice Applications for Children

This paper explores technology available for prototyping and product development of child speech recognition applications, and factors relevant for eventual delivery of good user experience. Since child voices are known to be more challenging than adults, and less commercial investment has been dedicated to child voice modeling, it is significant that recognition accuracy for very constrained distinct vocabulary grammars is encouragingly high using out-of-the box technology to recognize suburban varieties of English. While accuracy on more demanding recognition tasks seems insufficient for immediate product development without focused support by a research laboratory, it is high enough to suggest that the class of feasible child applications may soon widen as new resources for child recognition become available. Preliminary results reported here contribute to a roadmap in pursuit of broad demographic coverage for a widening set of child applications.     

智能设备网络虚假信息行为识别与控制技术研究

传统智能设备网络虚假信息行为识别技术识别范围小,准确性低,在识别后不能快速地采取控制手段进行控制,导致事态进一步恶化。针对上述问题,研究了一种新的智能设备网络虚假信息行为识别与控制技术,设定虚假信息模型,由神经网络和BP网络构成,通过互联网控制,通过检测触发词、信息分类、虚假信息识别完成精确识别工作,控制模型由演示平台、网络中心组成,能够针对不同类型的虚假信息给出不同的控制手段。与传统技术进行实验研究,结果表明,给出的智能设备网络虚假信息行为识别技术能够完成更大范围的识别,提高识别准确率,在识别后对应的控制技术会快速采取有效手段控制虚假信息的散布。     

嵌入式语音识别技术实现与应用

语音识别技术在信息安全、智能家居等方面具有广泛的用途。本文在研究已有语音识别技术的基础之上,探讨在嵌入式设备上如何编程实现语音识别算法,最后搭建智能声控平台,将之应用于远程电源管理,控制远程电源模块通电和断电,实验数据表明该方法可以方便操控远程电源设备开启或关闭。     

Commercial Speech Recognition Technology in the Military Domain: Results of Two Recent Research Efforts

While speech recognition technology has long held the potential for improving the effectiveness of military operations, it has only been within the last several years that speech systems have enabled the realization of that potential. Commercial speech recognition technology developments aimed at improving robustness for automotive and cellular phone applications have capabilities that can be exploited in various military systems. This paper discusses the results of two research efforts directed toward applying commercial-off-the-shelf speech recognition technology in the military domain. The first effort discussed is the development and evaluation of a speech recognition interface to the Theater Air Planning system responsible for the generation of air tasking orders in a military Air Operations Center. The second effort examined the utility of speech versus conventional manual input for tasks performed by operators in an unmanned aerial vehicle control station simulator. Both efforts clearly demonstrate the military benefits obtainable from the proper application of speech technology.     

基于OpenFlow的自适应QoS流量控制方法设计与实现

随着新型业务类型如视频会议、网络游戏、交互应用等不断涌现,如何利用有限的网络资源进行有效的流量控制,以保障业务的服务质量(Quality of Service,QoS)已成为一个非常迫切的问题。而目前已有的QoS流量控制方法大多存在着对网络资源的利用率低、可靠性差、粒度粗、实现困难,可扩展性差等问题。软件定义网络(Software Defined Network,SDN)提出的控制层与数据层分离思想,为解决此类问题提供了崭新的思路。本文提出了一种基于OpenFlow技术的QoS流量控制方法,利用自适应多约束QoS路由技术,提高了QoS控制的灵活性与可靠性,实现了对网络资源的高效利用和业务流控制的细粒度。最后,我们在OpenvSwitch环境下验证了该方法的有效性。     

面向Abaqus二次开发的应用管理和服务平台

借鉴应用商店模式,讨论基于Web实现Abaqus二次开发程序的快速集成和发布等,介绍结合云计算技术面向仿真领域提供二次开发应用程序的管理和服务平台.针对二次开发过程中涉及的重复性工作,分别从作业流程控制、系统环境配置、用户界面定制和结果展示等4方面设计应用的自动化管理,从而降低二次开发技术应用的难度.通过切削仿真案例展示二次开发应用程序的快速集成发布,并通过分析得到仿真结果.     

Engineering applications of neural networks

This paper describes several prototypical applications of neural network technology to engineering problems. The applications were developed by the authors as part of a graduate-level course taught at the University of Illinois at Urbana-Champaign by the first author (now at Carnegie Mellon University). The applications are: an adaptive controller for building thermal mass storage; an adaptive controller for a combine harvester; an interpretation system for non-destructive evaluation of masonry walls; a machining feature recognition system for use in process planning; an image classification system for classifying land coverage from satellite or high-altitude images; and a system for designing the pumping strategy for contaminated groundwater remediation. These applications are representative of many of the engineering problems for which neural networks are applicable: adaptive control, feature recognition, and design.     

主成分分析法在掌纹图像识别中的应用

掌纹识别技术是生物特征识别领域的又一新兴技术,在网络安全、身份鉴别等方面有广阔的应用前景。将主成分分析法应用于掌纹图像的特征提取,阐释了传统主成分分析与加权主成分分析在处理掌纹图像时的差异,并在不同数据库上对两种方法进行了实验,结果表明传统主成分分析比加权主成分分析有更高的识别率以及加权主成分分析能够削弱光照对识别结果的影响。     

适应智能质量控制的多分类支持向量机

分析了现有控制图识别器在实际应用中存在的缺陷，并提出了一种基于支持向量机(SVM)的新方法．为了克服HAH多分类SVM(HAH SVM)的缺陷，提高识别速度和准确率，设计了一种有针对性的SVM多分类器进行模式识别．仿真实验结果表明，该方法相对现有的BP和HAH SVM方法能得到更高的识别率和识别速度，适合于工序的实时在线控制．